-
公开(公告)号：CN110969243B
公开(公告)日：2022-07-22
申请号：CN201911206347.0
申请日：2019-11-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种防止隐私泄漏的对抗生成网络训练方法，包括：首先，利用生成器生成多个模拟样本，分为N组；接着，基于第i组模拟样本和第一类别标识，N组真实样本中的第i组真实样本和第二类别标识，以及针对判别器预先设定的损失函数，确定对应于判别器中M个模型参数的M个原始梯度值，组成第i组对应的第i个原始梯度向量，其中真实样本包括隐私数据；然后，分别对所述N组对应的N个原始梯度向量进行梯度裁剪，得到N个裁剪梯度向量；再接着，对所述N个裁剪梯度向量进行平均，得到平均梯度向量；再然后，利用所述平均梯度向量，调整所述M个模型参数，其中M、N、i为正整数，并且M、N≥2，i≤N。
-
公开(公告)号：CN111290838A
公开(公告)日：2020-06-16
申请号：CN202010384200.7
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种基于容器集群的应用访问请求处理方法及装置，该容器集群包括主节点和若干计算节点。部分计算节点中部署有第一应用，该第一应用对应容器运行在可信内存区域中。该方法由主节点执行，包括：接收用户的针对第一应用的访问请求。向各计算节点发送可信内存区域的使用量的获取请求。接收返回的可信内存区域的使用量。基于接收的使用量，确定各计算节点的可信内存区域的剩余量。若剩余量均小于预定阈值，则针对第一应用进行扩容，包括：在其它计算节点的可信内存区域中，启动第一应用的新建容器。将访问请求分配至其它计算节点，并由其它计算节点对访问请求进行响应。由此，可实现在可信执行环境中对私有数据的访问请求的处理。
-
公开(公告)号：CN111126623B
公开(公告)日：2022-04-19
申请号：CN201911324811.6
申请日：2019-12-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 公开了一种模型更新方法、装置及设备。通过本说明书实施例所提供的方案，在给定阴影集合S和目标样本的情形下，分别计算阴影集合中包含训练样本的先验概率α，以及，根据阴影集合S进行采样并训练模型时所得到的采样模型的采样训练参数分布，进而根据给定模型的训练参数分布和目标样本的特征值计算出目标样本z在阴影集合中的后验概率P，从而可以根据后验概率P和先验概率α的差值来评估该已经训练好的模型对于训练样本集合的隐私泄露程度是否合格，在不合格的情形下则改变目标样本和训练样本集合的归属关系，从而得到新的训练样本集合并进行模型调整，以避免隐私数据泄露。
-
公开(公告)号：CN111126623A
公开(公告)日：2020-05-08
申请号：CN201911324811.6
申请日：2019-12-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 公开了一种模型更新方法、装置及设备。通过本说明书实施例所提供的方案，在给定阴影集合S和目标样本的情形下，分别计算阴影集合中包含训练样本的先验概率α，以及，根据阴影集合S进行采样并训练模型时所得到的采样模型的采样训练参数分布，进而根据给定模型的训练参数分布和目标样本的特征值计算出目标样本z在阴影集合中的后验概率P，从而可以根据后验概率P和先验概率α的差值来评估该已经训练好的模型对于训练样本集合的隐私泄露程度是否合格，在不合格的情形下则改变目标样本和训练样本集合的归属关系，从而得到新的训练样本集合并进行模型调整，以避免隐私数据泄露。
-
公开(公告)号：CN111045829A
公开(公告)日：2020-04-21
申请号：CN202010174985.5
申请日：2020-03-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种业务预测模型的划分处理及预测方法和装置。在对业务预测模型进行划分时，协调设备可以确定业务预测模型的N个计算层中每个计算层的运算对应的内存占用量；根据可信计算单元的内存容量以及内存占用量，确定分配至可信计算单元的连续的前M个计算层，并得到分配至非可信数据处理设备的N-M个计算层。可信计算单元可以将业务数据输入前M个计算层中，并得到输出结果，通过预设安全协议将输出结果发送至非可信数据处理设备，非可信数据处理设备中的N-M个计算层基于输出结果确定针对业务数据的预测结果。
-
Patent Agency Ranking
公开(公告)号：CN110969243A
公开(公告)日：2020-04-07
申请号：CN201911206347.0
申请日：2019-11-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种防止隐私泄漏的对抗生成网络训练方法，包括：首先，利用生成器生成多个模拟样本，分为N组；接着，基于第i组模拟样本和第一类别标识，N组真实样本中的第i组真实样本和第二类别标识，以及针对判别器预先设定的损失函数，确定对应于判别器中M个模型参数的M个原始梯度值，组成第i组对应的第i个原始梯度向量，其中真实样本包括隐私数据；然后，分别对所述N组对应的N个原始梯度向量进行梯度裁剪，得到N个裁剪梯度向量；再接着，对所述N个裁剪梯度向量进行平均，得到平均梯度向量；再然后，利用所述平均梯度向量，调整所述M个模型参数，其中M、N、i为正整数，并且M、N≥2，i≤N。
-
公开(公告)号：CN111290838B
公开(公告)日：2020-08-18
申请号：CN202010384200.7
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种基于容器集群的应用访问请求处理方法及装置，该容器集群包括主节点和若干计算节点。部分计算节点中部署有第一应用，该第一应用对应容器运行在可信内存区域中。该方法由主节点执行，包括：接收用户的针对第一应用的访问请求。向各计算节点发送可信内存区域的使用量的获取请求。接收返回的可信内存区域的使用量。基于接收的使用量，确定各计算节点的可信内存区域的剩余量。若剩余量均小于预定阈值，则针对第一应用进行扩容，包括：在其它计算节点的可信内存区域中，启动第一应用的新建容器。将访问请求分配至其它计算节点，并由其它计算节点对访问请求进行响应。由此，可实现在可信执行环境中对私有数据的访问请求的处理。
-
公开(公告)号：CN111240606A
公开(公告)日：2020-06-05
申请号：CN202010329956.1
申请日：2020-04-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F3/06
Abstract: 本说明书一个或多个实施例涉及一种基于安全内存的存储优化方法；所述方法包括：获取安全内存的可用容量；获取模型或者模型某一层的待计算数据；获取所述模型或者模型某一层的权重；根据所述权重，以及所述待计算数据，确定内存需求量；所述内存需求量为完成计算预计需要占用的安全内存的存储空间；将所述内存需求量与所述内存的可用容量进行对比；当比较结果满足预设条件时，对所述权重进行修正，获取量化权重，基于所述量化权重进行计算；所述量化权重对内存的需求量小于所述权重对内容的需求量。
-
公开(公告)号：CN111045829B
公开(公告)日：2020-06-02
申请号：CN202010174985.5
申请日：2020-03-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种业务预测模型的划分处理及预测方法和装置。在对业务预测模型进行划分时，协调设备可以确定业务预测模型的N个计算层中每个计算层的运算对应的内存占用量；根据可信计算单元的内存容量以及内存占用量，确定分配至可信计算单元的连续的前M个计算层，并得到分配至非可信数据处理设备的N‑M个计算层。可信计算单元可以将业务数据输入前M个计算层中，并得到输出结果，通过预设安全协议将输出结果发送至非可信数据处理设备，非可信数据处理设备中的N‑M个计算层基于输出结果确定针对业务数据的预测结果。
-
公开(公告)号：CN111027717A
公开(公告)日：2020-04-17
申请号：CN201911266382.1
申请日：2019-12-11
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/10
Abstract: 本说明书实施例公开了一种模型训练方法。所述方法包括：获取训练样本；使用所述训练样本，所述训练样本为样本图像、样本文本或样本语音，通过随机梯度朗之万动力学算法对初始模型进行多轮训练，得到目标模型，所述目标模型为图像分类模型、文本分类模型或语音分类模型，其中，所述多轮训练包括：基于所述训练样本，确定模型参数对应的梯度下降值；向所述梯度下降值添加随机噪声；判断本轮训练中所述随机梯度朗之万动力学算法是否进入朗之万动力学状态；当未进入朗之万动力学状态，基于所述添加了随机噪声后的梯度下降值，优化模型参数，进行下一轮训练；当进入朗之万动力学状态，从模型参数的后验概率分布中采样模型参数，确定所述目标模型。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.027 seconds)
